Underwater communication adaptive modulation and coding based on double deep q network
食用方法：
Python 3.8
pip install keras==2.6.0 tensorflow==2.6.0 pandas==1.3.5 matplotlib scikit-learn
(可选)
cuda_11.1.0_456.43_win10
cudnn-11.2-windows-x64-v8.1.1.33
在Python中调用Matlab方法参考 http://blog.csdn.net/sunny_xsc1994/article/details/79254196
非对称信道下的水声通信自适应调制
提出了一种自适应调制和编码 (AMC) 方案，旨在通过联合调度编码速率、调制阶数和传输功率来最大化单个链路的能量效率。
考虑到UWA信道的复杂性，提出了一种基于深度神经网络（DNN）的误码率（BER）估计方法，可以通过使用反馈链路的固定导频来实现信道估计、特征提取和BER估计。
设计了一种基于所有调制和编码方式（MCS）的BER的信道分类方法，并将UWA信道进一步建模为具有未知转移概率的有限状态马尔可夫链（FSMC），
以将 AMC 问题表述为马尔可夫决策过程 (MDP)，并使用了DDQN方法实现了接近最优的能量效率。
配置好各种包后直接运行DDQN.py即可
Related Paper:
Website: https://www.mdpi.com/2072-4292/14/23/5959
PDF Version: https://www.mdpi.com/2072-4292/14/23/5959/pdf